[发明专利]动力电池外部短路故障诊断及温升预测方法和系统

说明书

本发明提供了基于BP神经网络的动力电池外部短路故障诊断及温升预测方法和系统，通过采用两个BP神经网络，首先对采样频率、电流阈值和电量阈值进行初始化设置，当实时监测的电流信号超过电流阈值时，启动故障诊断机制，采集和储存电流信号并计算短路故障放电电量，通过比较该电量与电量阈值之间的关系诊断电池短路故障中的漏液情况，并根据诊断结果选择一个相应的预先经过测试建立并训练完成的BP神经网络，将故障发生之后的电池放电电量输入该网络，从而预测短路故障所引起的最大温升，从而为热管理系统的提前干预提供控制依据。其易于实现和操作，能够有效协助热管理系统降低热失控的触发几率，提高动力电池外部短路故障的安全防护性能。

技术领域

本发明涉及动力电池安全技术领域，特别是涉及电动汽车的锂离子动力电池短路故障的安全管理中的温升预测技术。

背景技术

当前，伴随电动汽车的进一步推广和应用，其若干安全问题也逐渐显露，诸如自燃、爆炸、热失控等事故频频发生。资料表明，很大一部分电动汽车起火事故均由车载动力电池故障所引发的。因此，研究与预测动力电池的故障对于提高电动汽车的安全性与可靠性具有十分重要的意义。

在众多的电池故障形式当中，电池外部短路是最为严重的一类故障。因为短路过程中电池内部化学机理迅速破坏，短时间内电流急剧增大，大量的热在电池内部堆积，电池温度迅速上升，当温度升高到一个临界值之后，就会引发热失控。因此，准确诊断电池短路故障情况进而对可能出现的最高温度进行预测，是安全防护及热管理系统中的重要内容。如何准确预测短路可能出现的最高温度，是一个亟需解决的问题。

发明内容

针对上述本领域中存在的技术问题，本发明提供了一种基于BP神经网络的动力电池外部短路故障诊断及温升预测方法，具体包括以下步骤：

第a步，开启上位机并初始化采样频率f、电流阈值I_s、电量阈值C_s；

第b步，上位机通过电流传感器实时监测电流信号I，若I＜I_s，所述上位机继续通过电流传感器实时监测电流信号，重复第b步，若I≥I_s，触发电池外部短路故障诊断及最大温升预测机制，进入第c步；

第c步，所述上位机根据所述采样频率f在第t_i时刻采集并储存电流信号I_i，计算外部短路所释放的电量C，计算关系式如下：

其中，N是发生外部短路后的采样数目。

第d步，诊断所述外部短路是否引发电池漏液，若C≥C_s，电池被诊断为尚未发生漏液，将结果显示于所述上位机界面，并进入第e步，若C＜C_s，则诊断为发生漏液，将结果显示于所述上位机界面，并进入第f步；

第e步，神经网络1处理，所述上位机将所述第c步计算得的电量C输入至预先建立并训练好的BP神经网络1中，得出所述BP神经网络1的输出，该输出即为该电池外部短路故障最大温升的预测值ΔT_max。

第f步，神经网络2处理，所述上位机将所述第c步计算得的电量C输入至预先建立并训练好的BP神经网络2中，得出所述BP神经网络2的输出，该输出即为该电池外部短路故障最大温升的预测值ΔT_max。

进一步的，所述BP神经网络1和BP神经网络2的建立和训练过程具体包括：

(1).确定所述BP神经网络1和BP神经网络2的训练样本；

(2).建立所述BP神经网络1和BP神经网络2；

(3).分别对所述BP神经网络1和BP神经网络2进行训练；

(4).确定出最佳的所述BP神经网络1和BP神经网络2。